Сравнение контекстных окон: все основные модели ИИ в одной таблице

У какой модели ИИ самое большое контекстное окно?

Самое большое контекстное окно в каталоге за август 2026 года, это 1M токенов, у модели DeepSeek V4 Flash 0731 от DeepSeek. Для грубой интуиции: один токен, это примерно три четверти английского слова, а страница рукописи, это примерно 400 слов, поэтому таблица ниже переводит каждое окно в страницы.

По одной строке на каждого крупного провайдера, с его моделью с наибольшим контекстом:

Провайдер	Модель с наибольшим контекстом	Контекстное окно	Примерно вмещает
DeepSeek	DeepSeek V4 Flash 0731	1M токенов	около 2 500 страниц
OpenAI	GPT-5.4	1M токенов	около 2 000 страниц
Google	Gemini 2.5 Flash	1M токенов	около 2 000 страниц
Meta	Llama 4 Maverick	1M токенов	около 2 000 страниц
Qwen	Qwen3.8 2.4T A95B	1M токенов	около 2 000 страниц
Moonshot	Kimi K3	1M токенов	около 2 000 страниц
Z.ai	GLM 5.2	1M токенов	около 2 000 страниц
MiniMax	MiniMax M3	1M токенов	около 2 000 страниц
Anthropic	Claude Fable 5	1M токенов	около 1 900 страниц
xAI	Grok 4.3	1M токенов	около 1 900 страниц
Mistral	Mistral Large 3 2512	262K токенов	около 492 страниц

Если вопрос, который стоит за вашим поиском, звучит как «а что такое контекстное окно вообще», начните с простого объяснения в материале Что такое контекстное окно? и возвращайтесь сюда за цифрами.

Как располагаются все 100 моделей по размеру контекстного окна?

Полный каталог, отсортированный по контекстному окну. Данные берутся из того же источника, что и индекс стоимости моделей ИИ, и собраны 2026-08-20; это снимок на указанную дату, а не живая лента, поэтому проверяйте дату перед тем, как ссылаться на цифру. Столбец с кредитами показывает, во сколько обходится каждое сообщение с моделью внутри Whizi, там, где модель включена в тариф.

Модель	Провайдер	Контекстное окно	Примерно вмещает	Кредиты в Whizi
DeepSeek V4 Flash 0731	DeepSeek	1M	около 2 500 страниц	1
GPT-5.4	OpenAI	1M	около 2 000 страниц	15
GPT-5.5	OpenAI	1M	около 2 000 страниц	20
GPT-5.6 Luna	OpenAI	1M	около 2 000 страниц	1
GPT-5.6 Luna Pro	OpenAI	1M	около 2 000 страниц	Не тарифицируется
GPT-5.6 Sol	OpenAI	1M	около 2 000 страниц	20
GPT-5.6 Sol Pro	OpenAI	1M	около 2 000 страниц	Не тарифицируется
GPT-5.6 Terra	OpenAI	1M	около 2 000 страниц	4
GPT-5.6 Terra Pro	OpenAI	1M	около 2 000 страниц	Не тарифицируется
LongCat 2.0	Meituan	1M	около 2 000 страниц	1
DeepSeek V4 Pro 0813	DeepSeek	1M	около 2 000 страниц	2
Gemini 2.5 Flash	Google	1M	около 2 000 страниц	2
Gemini 2.5 Flash Lite	Google	1M	около 2 000 страниц	1
Gemini 3.1 Flash Lite	Google	1M	около 2 000 страниц	1
Gemini 3.1 Pro Preview	Google	1M	около 2 000 страниц	10
Gemini 3.5 Flash	Google	1M	около 2 000 страниц	8
Gemini 3.5 Flash Lite	Google	1M	около 2 000 страниц	2
Gemini 3.6 Flash	Google	1M	около 2 000 страниц	3
Gemini 3.7 Flash	Google	1M	около 2 000 страниц	2
GLM 5.2	Z.ai	1M	около 2 000 страниц	3
GLM 5.3	Z.ai	1M	около 2 000 страниц	5
Inkling	Thinkingmachines	1M	около 2 000 страниц	4
Kimi K3	Moonshot	1M	около 2 000 страниц	10
Laguna S 2.1	Poolside	1M	около 2 000 страниц	1
Llama 4 Maverick	Meta	1M	около 2 000 страниц	1
MiniMax M3	MiniMax	1M	около 2 000 страниц	1
Muse Spark 1.1	Meta	1M	около 2 000 страниц	5
Muse Spark 1.2	Meta	1M	около 2 000 страниц	5
Qwen3.8 2.4T A95B	Qwen	1M	около 2 000 страниц	8
Claude Fable 5	Anthropic	1M	около 1 900 страниц	50
Claude Opus 4.7 (Fast)	Anthropic	1M	около 1 900 страниц	Не тарифицируется
Claude Opus 4.8	Anthropic	1M	около 1 900 страниц	20
Claude Opus 4.8 (Fast)	Anthropic	1M	около 1 900 страниц	Не тарифицируется
Claude Opus 5	Anthropic	1M	около 1 900 страниц	20
Claude Opus 5 (Fast)	Anthropic	1M	около 1 900 страниц	Не тарифицируется
Claude Sonnet 4.5	Anthropic	1M	около 1 900 страниц	10
Claude Sonnet 4.6	Anthropic	1M	около 1 900 страниц	10
Claude Sonnet 5	Anthropic	1M	около 1 900 страниц	10
Fugu Ultra	Sakana	1M	около 1 900 страниц	25
Grok 4.3	xAI	1M	около 1 900 страниц	4
Qwen3.5 Plus 2026-04-20	Qwen	1M	около 1 900 страниц	1
Qwen3.6 Flash	Qwen	1M	около 1 900 страниц	1
Qwen3.7 Flash	Qwen	1M	около 1 900 страниц	1
Qwen3.7 Max	Qwen	1M	около 1 900 страниц	5
Qwen3.7 Plus	Qwen	1M	около 1 900 страниц	1
Qwen3.8 27B	Qwen	1M	около 1 900 страниц	3
Qwen3.8 Max	Qwen	1M	около 1 900 страниц	6
Inkling Small	Thinkingmachines	524K	около 983 страниц	1
Solar Pro 4	Upstage	524K	около 983 страниц	1
Nemotron 3 Ultra	NVIDIA	512K	около 961 страниц	3
Grok 4.5	xAI	500K	около 938 страниц	6
Grok 4.6	xAI	500K	около 938 страниц	6
GPT Chat Latest	OpenAI	400K	около 750 страниц	25
GPT-5.4 Mini	OpenAI	400K	около 750 страниц	4
GPT-5.4 Nano	OpenAI	400K	около 750 страниц	2
Nova Pro 1.0	Amazon	300K	около 563 страниц	3
Hy3	Tencent	262K	около 492 страниц	1
Kimi K2 Thinking	Moonshot	262K	около 492 страниц	10
Kimi K2.7 Code	Moonshot	262K	около 492 страниц	10
Laguna XS 2.1	Poolside	262K	около 492 страниц	1
Ling-3.0-flash	inclusionAI	262K	около 492 страниц	1
Mistral Large 3 2512	Mistral	262K	около 492 страниц	2
Mistral Medium 3.5	Mistral	262K	около 492 страниц	6
Nemotron 3.5 Lightning	NVIDIA	262K	около 492 страниц	1
Nex-N2-Mini	Nex Agi	262K	около 492 страниц	1
Nex-N2-Pro	Nex Agi	262K	около 492 страниц	1
Qwen3 Coder Next	Qwen	262K	около 492 страниц	1
Qwen3.6 35B A3B	Qwen	262K	около 492 страниц	1
Ring-2.6-1T	inclusionAI	262K	около 492 страниц	1
Sakana Namazu	Sakana	262K	около 492 страниц	4
Seed 2.1 Turbo	Bytedance Seed	262K	около 492 страниц	2
Seed-2.0-Code	Bytedance Seed	262K	около 492 страниц	3
Step 3.7 Flash	Stepfun	262K	около 492 страниц	1
Codestral 2508	Mistral	256K	около 480 страниц	1
Command A	Cohere	256K	около 480 страниц	10
Grok Build 0.1	xAI	256K	около 480 страниц	3
KAT-Coder-Air V2.5	Kwaipilot	256K	около 480 страниц	1
KAT-Coder-Pro V2.5	Kwaipilot	256K	около 480 страниц	3
GLM 4.6	Z.ai	205K	около 384 страниц	1
GLM 4.7	Z.ai	205K	около 384 страниц	2
GLM 5	Z.ai	205K	около 384 страниц	2
MiniMax M2	MiniMax	205K	около 384 страниц	1
Claude Haiku 4.5	Anthropic	200K	около 375 страниц	4
DeepSeek V3.1	DeepSeek	164K	около 307 страниц	1
DeepSeek V3.2	DeepSeek	164K	около 307 страниц	1
Aion-3.0	Aion Labs	131K	около 246 страниц	10
Aion-3.0-Mini	Aion Labs	131K	около 246 страниц	2
Granite 4.1 8B	Ibm Granite	131K	около 246 страниц	1
Kimi K2 0711	Moonshot	131K	около 246 страниц	10
Llama 3.3 70B Instruct	Meta	131K	около 246 страниц	1
Mistral Medium 3.1	Mistral	131K	около 246 страниц	2
Muse Glimmer 30B	Meta	131K	около 246 страниц	2
Nano Banana 2 (Gemini 3.1 Flash Image)	Google	131K	около 246 страниц	Не тарифицируется
Nano Banana Pro (Gemini 3 Pro Image)	Google	131K	около 246 страниц	Не тарифицируется
Nano Banana 2 Lite (Gemini 3.1 Flash Lite Image)	Google	66K	около 123 страниц	Не тарифицируется
R1	DeepSeek	64K	около 120 страниц	2
Perceptron Mk1	Perceptron	33K	около 61 страниц	1
Phi 4	Microsoft	16K	около 31 страниц	1
Hy-MT2-1.8B	Tencent	8K	около 15 страниц	Не тарифицируется
Hy-MT2-30B-A3B	Tencent	8K	около 15 страниц	Не тарифицируется

Как честно читать эти цифры

Окно общее. В него одновременно засчитывается всё: ваш промпт, каждое предыдущее сообщение в диалоге, любые прикреплённые документы и пишущийся ответ. У модели с окном в 128K, которая уже прочитала договор на 100K токенов, не остаётся 128K на обсуждение, у неё остаётся 28K.

Заявленное не значит эффективное. Исследования длинного контекста снова и снова находят одну и ту же картину: модели помнят начало и конец огромного контекста лучше, чем середину. В экспериментах Lost in the Middle (Liu et al., 2023) перенос ключевого документа с краёв ввода в середину стоил моделям примерно 20 пунктов точности, так что модель может принять миллион токенов и всё равно пропустить пункт, спрятанный на токене 400 000. Для важной работы с длинными документами спрашивайте отдельно про средние разделы или подавайте документ размеченными частями.

Больше не значит автоматически лучше. Большие окна дороже в работе и могут размывать внимание по несущественному тексту. Если ваша работа, это письма и короткие черновики, размер окна вы вообще не заметите. Он начинает иметь значение на целых договорах, кодовых базах, расшифровках и книгах.

Токены не равны словам. Правило трёх четвертей хорошо работает в среднем для английского языка, но код, числа и не английские языки часто токенизируются менее эффективно, поэтому оценки страниц в таблице намеренно приблизительные.

Подбирайте окно под задачу

Практический вывод из таблицы в том, что контекстное окно, это выбор под конкретную задачу, а не под подписку. Модель с самым большим окном редко оказывается лучшим автором текста, а лучший автор текста редко оказывается самым дешёвым способом резюмировать 800 страниц.

Это и есть аргумент в пользу того, чтобы держать весь каталог в одном рабочем пространстве. В Whizi можно отдать PDF на 200 страниц модели с большим контекстом, а затем переключиться на Claude или GPT в том же диалоге, чтобы написать черновик по найденному, без того чтобы документ покидал тред. Честное возражение: если всё, что вы скармливаете модели, спокойно помещается в окно 128K, а это покрывает большую часть почты, черновиков и коротких документов, вся эта таблица не имеет значения, и подписка на одного провайдера, более простая покупка. Гид как выбрать модель ИИ разбирает то же решение с точки зрения качества и цены.

Если вы цитируете эту страницу: URL без якоря стабилен, дата данных напечатана над полной таблицей, а цифры по токенам берутся из каталога провайдеров, а не с маркетинговых страниц.